dc.contributor.author | Assis, Raul Caram de | |
dc.date.accessioned | 2017-08-22T14:32:50Z | |
dc.date.available | 2017-08-22T14:32:50Z | |
dc.date.issued | 2017-06-02 | |
dc.identifier.citation | ASSIS, Raul Caram de. Inferência em modelos de mistura via algoritmo EM estocástico modificado. 2017. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2017. Disponível em: https://repositorio.ufscar.br/handle/ufscar/9047. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/9047 | |
dc.description.abstract | We present the topics and theory of Mixture Models in a context of maximum likelihood and Bayesian inferece. We approach clustering methods in both contexts, with emphasis on the stochastic EM algorithm and the Dirichlet Process Mixture Model. We propose a new method, a modified stochastic EM algorithm, which can be used to estimate the parameters of a mixture model and the number of components. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights.uri | Acesso aberto | por |
dc.subject | Modelos de mistura | por |
dc.subject | Mistura de distribuições | por |
dc.subject | Algoritmo EM | por |
dc.subject | Cadeia de Markov | por |
dc.subject | Segmentação de imagens | por |
dc.subject | Mixture models | eng |
dc.subject | Mixture of distributions | eng |
dc.subject | EM algorithm | eng |
dc.subject | Markov chain | eng |
dc.subject | Gibbs sampling | eng |
dc.subject | Image segmentation | eng |
dc.title | Inferência em modelos de mistura via algoritmo EM estocástico modificado | por |
dc.title.alternative | Inference on mixture models via modified stochastic EM algorithm | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Milan, Luis Aparecido | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7435391829973844 | por |
dc.description.resumo | Apresentamos o tópico e a teoria de Modelos de Mistura de Distribuições, revendo aspectos teóricos e interpretações de tais misturas. Desenvolvemos a teoria dos modelos nos contextos de máxima verossimilhança e de inferência bayesiana. Abordamos métodos de agrupamento já existentes em ambos os contextos, com ênfase em dois métodos, o algoritmo EM estocástico no contexto de máxima verossimilhança e o Modelo de Mistura com Processos de Dirichlet no contexto bayesiano. Propomos um novo método, uma modificação do algoritmo EM Estocástico, que pode ser utilizado para estimar os parâmetros de uma mistura de componentes enquanto permite soluções com número distinto de grupos. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA | por |
dc.ufscar.embargo | Online | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/0787098516252091 | por |